視覺地形分類和四足機器人步態(tài)規(guī)劃方法研究與應用.pdf

1、自然界中，四足哺乳動物在適應復雜地形、運動靈活性和效率等方面具有巨大的優(yōu)勢，它們依靠腿足運動幾乎能在地球上的任何地面上活動。而從制造成本、控制難易程度和穩(wěn)定性等方面綜合考慮，四足機器人是最佳的多足機器人形式，在非結(jié)構(gòu)環(huán)境下的軍事-民用物質(zhì)運輸、野外勘探和探險、救援救災等領域具有廣闊的應用前景。因此，構(gòu)造具有四足哺乳動物特性的高性能四足仿生機器人一直是人類的夢想。事實上，自第二次世界大戰(zhàn)后，美國國防預先研究計劃局(DARPA)等即開始持續(xù)

2、資助多足機器人的研究。
　　 四足機器人與非結(jié)構(gòu)環(huán)境交互過程中，由于地形-地面的多樣性、復雜性，導致機器人與地形-地面之間存在有復雜的交互作用，使得機器人-地形-地面系統(tǒng)在根本上成為一個多鏈、動基座、變結(jié)構(gòu)、強耦合、欠驅(qū)動、具有閉鏈約束和非完整約束的復雜多體非線性剛?cè)嵯到y(tǒng)。因此有關四足仿生機器人大量科學問題和內(nèi)蘊機理的研究、機器人基本特性的認識等尚需突破。構(gòu)造具有大負載能力、高動態(tài)性和環(huán)境適應性的高性能四足機器人是當前一個主流的

3、研究方向，圍繞如何提高四足機器人的環(huán)境適應性和運動穩(wěn)定性，本論文研究了視覺地形特征分類算法、四足機器人的腿結(jié)構(gòu)設計和配置方式、四足機器人的運動學分析和步態(tài)規(guī)劃方法，內(nèi)容如下：
　　 (1)為了提高機器人的地形特征分類能力，首先研究了影響地形分類正確率的兩個關鍵問題：視覺地形特征提取方法和不同地形的快速分類方法。在視覺地形特征提取方法中，首先利用MR8濾波器組方法提取出圖像的紋理特征；然后基于聚類方法生成紋理詞典；最后利用空間金字

4、塔匹配方法生成視覺地形圖像的直方圖特征向量。在地形分類算法研究中，基于現(xiàn)有的ELM(Extreme LearningMachine)快速學習算法，針對其存在的缺點，引入了智能優(yōu)化算法(差分進化算法和粒子群優(yōu)化算法)和可調(diào)激活函數(shù)的思想，提出了改進的ELM-RBF學習算法和激活函數(shù)可調(diào)的ELM學習算法(稱為TAF-ELM學習算法)。結(jié)合地形圖像的特征提取方法和快速的TAF-ELM學習算法，將視覺地形分類方法應用于機器人的地形圖像特征分類中

5、，驗證了方法的有效性，顯著提高了圖像的分類正確率。
　　 (2)基于馬/騾的腿結(jié)構(gòu)仿生，設計了四足機器人的腿關節(jié)結(jié)構(gòu)，并利用ADAMS和MATLAB聯(lián)合仿真，給出了較優(yōu)的機器人腿關節(jié)配置方式。推導了具有單腿4自由度的四足機器人的正運動方程和入地角度可調(diào)的逆運動學方程。為提高四足機器人的動態(tài)特性、負載能力和環(huán)境適應性提供了一定的理論基礎。
　　 (3)在總結(jié)四足機器人基本步態(tài)規(guī)劃方法的基礎上，給出了四足機器人對角小跑動步態(tài)

6、規(guī)劃方法?；谒茖У倪\動學方程和動步態(tài)規(guī)劃方法，利用仿真和實驗兩種方式驗證了四足機器人的運動學方程的正確性和有效性，并利用ADAMS和MATLAB聯(lián)合仿真，研究了入地角度對四足機器人運動性能的影響。
　　 (4)針對基于模型的步態(tài)規(guī)劃方法建模復雜、單周期規(guī)劃的缺點，研究了基于中樞模式發(fā)生器(CPG)的生物仿生步態(tài)規(guī)劃方法。在總結(jié)已有的中樞模式發(fā)生器的基礎上，研究了Wilson-Cowan神經(jīng)振蕩器的性質(zhì)，基于該神經(jīng)振蕩器，提出